本研究提出了SMI指标，解决了封闭书籍问答任务中大型语言模型表现的预测问题，强调了数据构建和知识保持的挑战。实验证明SMI与模型准确性之间存在强线性相关性，为资源优化和数据对齐提供了重要见解。

该研究发现数据量和参数规模对模型性能有影响，人工指导的数据比合成数据更有效，指令数据具有跨能力泛化性。这些发现可指导更高效的数据构建，提升实际性能。